কৃত্রিম বুদ্ধিমত্তা (AI) ক্ষেত্রে ক্রমবর্ধমান চাহিদার কারণে, কোম্পানিগুলো এখন ডিগ্রির চেয়ে 'স্ক্র্যাপিনেস' (পুরানো, উপলব্ধ সরঞ্জাম ব্যবহার করে দ্রুত সমাধান খুঁজে বের করার ক্ষমতা) এবং 'ফাস্ট লার্নিং' (দ্রুত শেখার ক্ষমতা) এর মতো ব্যবহারিক দক্ষতাগুলিকে অগ্রাধিকার দিচ্ছে। এই তথ্য ইনস্টাগ্রামের CEO অ্যাডাম মোসেরি দিয়েছেন। অ্যাপ্লাইড AI বিশেষজ্ঞদের ঘাটতির কারণে এবং নতুন প্রযুক্তির সঙ্গে মানিয়ে নেওয়ার প্রয়োজনীয়তার কারণে এই ক্ষেত্রে উচ্চ বেতনের জন্য প্রতিযোগিতা আরও তীব্র হয়েছে।
AI ইঞ্জিনিয়ারিং দক্ষতা: ইনস্টাগ্রামের CEO অ্যাডাম মোসেরি সম্প্রতি একটি পডকাস্টে বলেছেন যে, AI ক্ষেত্রে সফল হওয়ার জন্য 'স্ক্র্যাপিনেস' এবং 'ফাস্ট লার্নিং' সবচেয়ে গুরুত্বপূর্ণ গুণ হয়ে উঠেছে। তিনি আরও বলেছেন যে, 2025 সাল পর্যন্ত ক্রমবর্ধমান চাহিদা বিবেচনা করে, বিশ্বজুড়ে টেক কোম্পানিগুলো এমন ইঞ্জিনিয়ার খুঁজছে যারা নতুন প্রযুক্তির সঙ্গে দ্রুত মানিয়ে নিতে পারবে। এই বিবৃতি এমন এক সময়ে এসেছে যখন AI বিশেষজ্ঞদের তীব্র ঘাটতির কারণে বিশ্বব্যাপী উচ্চ বেতনের জন্য প্রতিযোগিতা আরও তীব্র হচ্ছে।
AI ইঞ্জিনিয়ারদের মধ্যে 'স্ক্র্যাপিনেস' এবং 'ফাস্ট লার্নিং'-এর চাহিদা কেন বাড়ছে?
মোসেরির মতে, আজকের সেরা AI ইঞ্জিনিয়াররা 'স্ক্র্যাপি মাইন্ডসেট' (উপলব্ধ সম্পদ দ্রুত ব্যবহার করে সমাধান খুঁজে বের করার মানসিকতা) এবং দ্রুত শেখার ক্ষমতা সম্পন্ন। তিনি বলেন যে, AI ইকোসিস্টেম এত দ্রুত পরিবর্তিত হচ্ছে যে, এখন কোনো নির্দিষ্ট নিয়ম বা ঐতিহ্যবাহী ইঞ্জিনিয়ারিং নীতির উপর নির্ভর করা লাভজনক হবে না। আসল চ্যালেঞ্জ হল দ্রুত পরীক্ষা-নিরীক্ষা করা এবং পরিবর্তনশীল চাহিদা অনুযায়ী মানিয়ে নেওয়া।
তিনি স্পষ্ট করেছেন যে, অ্যাপ্লাইড AI ক্ষেত্রে কর্মরত বিশেষজ্ঞদের সংখ্যা খুবই কম, অথচ এর চাহিদা দ্রুত বাড়ছে। এই কারণেই বাজারে দক্ষ AI বিশেষজ্ঞদের তীব্র ঘাটতি রয়েছে এবং কোম্পানিগুলো তাদের আকৃষ্ট করতে উচ্চ বেতনের প্যাকেজ দিচ্ছে।
AI বিশেষজ্ঞদের ঘাটতি উচ্চ বেতনের প্রতিযোগিতা কীভাবে তীব্র করছে?
এমনটা অনুমান করা হচ্ছে যে, 2025 সাল পর্যন্ত প্রযুক্তি ক্ষেত্রে AI বিশেষজ্ঞদের জন্য প্রধান কোম্পানিগুলোর মধ্যে প্রতিযোগিতা আরও তীব্র হবে। অ্যাডাম মোসেরি বলেন যে, বেতনের বিষয়ে দাবিগুলো কখনও কখনও অতিরঞ্জিত হলেও, এটা স্পষ্ট যে দক্ষ AI ইঞ্জিনিয়ারদের ব্যাপক চাহিদা রয়েছে। AI এখনও একটি নতুন ক্ষেত্র হওয়ায়, এটি স্কুল বা কলেজগুলোতে সম্পূর্ণরূপে শেখানো যায় না; তাই অনেক লোক স্ব-পরীক্ষার (self-experimentation) মাধ্যমে শিখছে।
শেখার এই সরাসরি পদ্ধতি তাদের ঐতিহ্যবাহী
